[发明专利]一种基于遗传算法的摆线轮齿廓修形量优化方法

说明书

本发明涉及一种基于遗传算法的摆线轮齿廓修形量优化方法，包括如下步骤：根据摆线轮的三种修形方式，分别确定等距加移距以及转角修形的数学方程；根据传统约束方法和本发明提出的对修形后的摆线轮齿顶隙和齿根隙的约束要求，重新确定约束条件；发挥遗传算法的全局优化能力结合摆线轮修形的特点，构建摆线轮修形优化的遗传算法模型。通过上述方法，可得到最佳等距加移距的修形齿廓，计算周期短、精度高，极大地提高了计算效率。

【技术领域】

本发明属于摆线轮的设计与制造技术领域，尤其涉及一种基于遗传算法的摆线轮工作齿廓计算方法。

【背景技术】

摆线针轮行星传动由于具有传动比范围大、承载能力强、结构紧凑、寿命长和可靠性高等特点，已经在许多行业得到广泛的应用，目前已经成为产量最大的通用传动装置。

标准的摆线轮和针齿啮合时没有间隙，理论上有半数针齿与摆线轮同时啮合传力，但实际上，为了补偿尺寸链误差、保持合理的侧隙便于润滑、保证装拆方便，更为了获得传动所需要的合理齿廓，对标准的摆线轮必须进行修形，修形后的实际摆线轮要比理论摆线轮稍小，常见的修行方法有移距修形、等距修形、转角修形三种或其组合。

生产实践中，采用合适的正等距加负移距组合的方法可使磨削出的齿廓与用转角修形得到的齿廓接近，等距加移距修形齿廓一方面应保证摆线针齿啮合副齿顶和齿根处有合适间隙存在，同时又能保证摆线轮齿廓曲线在啮合区间内尽可能地近似于共轭齿廓，达到多对齿同时啮合。采用这样的修形方式磨削摆线轮时要比转角加等距或转角加移距修形方便得多。在摆线轮进一步受力分析的过程中，往往需要确认修形后摆线轮的工作齿廓和非工作齿廓。

遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，具有鲁棒性好、全局寻优的特点，可以避免陷入局部最优解，采用遗传算法解决摆线轮齿廓修形的多目标优化问题，可以充分发挥遗传算法的优势。

【发明内容】

本发明的目的是：为提高摆线轮质量，通过分析摆线轮修形的数学模型，提出一种基于遗传算法的摆线针轮齿廓修形量优化方法。以修形后的齿廓能最大限度地逼近转角修形齿廓和保证尽量小的回差为优化目标，在传统约束的基础上进一步增加对齿顶隙和齿根隙的约束要求，从而得到最佳等距加移距的修形齿廓。进而提供一种计算周期短、计算精度高的基于遗传算法的摆线针轮齿廓修形量优化方法。

本发明采用的技术方案如下：

一种基于遗传算法的摆线轮齿廓修形量优化方法，包括以下步骤：

步骤一：根据摆线轮的三种修形方式，分别确定摆线轮加入转角修形量Δδ之后的数学方程F1，以及摆线轮引入等距修形量Δrp和移距修形量Δrrp之后的数学方程F2；

步骤二：根据摆线轮的基本参数确定设计变量、目标函数及约束条件；

步骤三：基于遗传算法的全局优化能力结合摆线轮修形的特点，构建摆线轮修型优化的遗传算法模型，使用该遗传算法模型在所述约束条件下求解所述目标函数，从而得到最佳等距加移距的修形齿廓。

进一步地，所述步骤二包括：